Diagnosehilfe für künstliche Intelligenz (AID)

Gulliksen (2017) bezeichnet die Digitalisierung als den größten gesellschaftlichen Transformationsprozess, auch für das Gesundheitswesen. Seit den Herausforderungen der Pandemie hat die Digitalisierung insbesondere im Wandel der Gesundheitsversorgung stattgefunden. Die aktuelle Situation im globalen Gesundheitswesen erfordert flexible und innovative Schritte zur praktischen Anpassung der Arbeitsmethoden in der Klinik, um die Anforderungen von Fachgebieten wie der Augenheilkunde auf sichere und effiziente Weise zu erfüllen. Makulaerkrankungen verursachen verheerenden Sehverlust. Es ist die häufigste Ursache für vermeidbaren Sehverlust in Großbritannien und den Industrieländern und führt zu unnötigem und schwächendem Sehverlust und Erblindung, wenn es nicht regelmäßig überwacht und behandelt wird. In Großbritannien haben 1,8 Millionen Menschen eine chronische Makulaerkrankung, von denen etwa 300.000 in London leben. Angehörige der Gesundheitsberufe sind für die Verabreichung der Injektionen geschult, aber derzeit gibt es keine formale Struktur für AHPs, die für die Bewertung von Patientendaten (Sehvermögen und OCT-Scan) geschult werden sollen.

Wir schlagen daher vor, dass es ein wichtiges Forschungsgebiet ist, eine Managementhilfe zu entwickeln, die eine Standardisierung der Versorgung ermöglicht und es ermöglicht, dass mehr Patienten behandelt werden, indem das klinische Personal erhöht wird. Diese neue KI-Software ermöglicht die Mobilisierung der breiteren nichtmedizinischen Belegschaft von über 14.000 Optometristen sowie Krankenschwestern, verwandten Gesundheitsfachkräften und Technikern, die mit KI-Tools und -Schulungen weitergebildet werden können und von Gemeinschaftsumgebungen aus operieren können, um Ressourcen und Kapazitäten zu erweitern und die Pflegequalität. Während der Algorithmus nicht darauf abzielt, das Wissen über die Krankheiten zu verbessern, wird der Endbenutzer ein Element des Erlernens eines guten Managements haben. Derzeit gibt es in der Literatur viele Beispiele für automatisierte Software, die jedoch alle in der Validierungsphase enden. Sie alle befassen sich mit der Verwendung von KI zur Diagnose von Erkrankungen, aber keine hat sich mit der Frage der Implementierung befasst, wie in vielen der Papiere hervorgehoben wird. Es gibt auch keine Wege, die auf die Behandlung dieser Patienten nach der Diagnose abzielen.

Diese Studie vergleicht die klinische Goldstandard-Versorgung von Patienten, die eine Behandlung für die drei wichtigsten Makulaerkrankungen erhalten (Behandlungsentscheidungen eines Augenarztes) mit einer Bewertung und Behandlungsempfehlung der MacuSense-Software. Die Behandlung der Patienten folgt jederzeit der Entscheidung des Augenarztes, und das Ergebnis der Studie wird mit dem Ergebnis von MacuSense verglichen. Der Augenarzt ist während der gesamten Studie gegenüber dem MacuSense-Ausgang blind.

Der Forschungsteilnehmer wird wie gewohnt zu seinem Termin in der Klinik kommen, wobei das Sehvermögen gemessen und ein Netzhautscan (OCT) durchgeführt wird. Der Augenarzt wird den Patienten untersuchen und scannen, wobei ein Behandlungs- und Nachsorgeintervall festgelegt wird. Die Behandlung erfolgt bei diesem Besuch.

Die gesammelten Daten werden vom Hauptforscher (Dr. Zakri) in die MacuSense-Software eingegeben. Die Ausgabe der Software gibt ein Nachverfolgungsintervall an. Das Ergebnis des vom Arzt festgelegten Nachsorgeintervalls und das von der Macusense-Software angegebene Nachsorgeintervall werden für jeden Patienten verglichen. Der Augenarzt hat keinen Zugriff auf die Macusense-Software oder die Ausgabe der Software, sodass seine Behandlungsentscheidung nicht beeinflusst wird. Die Ausgabe der Macusense-Software wird nicht verwendet, um die klinische Entscheidung zu ändern.

Das Ergebnis der Studie besteht daher darin, die klinische Behandlung zu vergleichen und die Entscheidung mit dem Macusense-Ergebnis zu verfolgen, nur zu Forschungszwecken. Ziel ist es, die Genauigkeit des Macusense-Algorithmus gegen die Goldstandardpflege zu testen. Die Nullhypothese besagt, dass es keinen Unterschied zwischen den Ergebnissen in der klinischen Standardversorgung und der macusoft-Software gibt.

Aufgrund früherer Arbeiten gehen wir davon aus, dass es bei einer Reihe von Gelegenheiten zu Abweichungen von den NICE-Richtlinien kommt. Daher schlagen wir eine alternative Hypothese vor, die besagt, dass die Ergebnisse einen Unterschied zwischen der Standardversorgung und den Ergebnissen zeigen, die von der macusoft-Algorithmus-Software präsentiert werden.

Studienplan

Die Studie wird voraussichtlich 9 Monate dauern, grob wie folgt:

• Monate 1-6: Forschungsaufbau, Patientenrekrutierung, Datenaufbereitung. Sammeln Sie Daten zu Entscheidungen, die mit und ohne MacuSense getroffen wurden (der Algorithmus wird während der Studie nicht verändert)
• Monate 7-9: Statistische Analyse und Validierung von Beobachtungsnachweisen

Studiendetails:

Wie die Studie ablaufen wird

Die Studie wird wie folgt durchgeführt:

1. Der Patient rekrutierte und willigte ein, als er die Klinik für einen regelmäßigen Nachsorgetermin aufsuchte.
2. Der beratende Augenarzt entscheidet gemäß der gängigen Praxis über das intravitreale Behandlungsintervall.
3. Die historischen Diagnosedaten des Patienten werden vom Computerprogramm MacuSense analysiert. Diese pseudonymisierten Daten können von Dr. Zakri und dem macusoft-Designteam eingesehen werden.
4. Die ursprüngliche Entscheidung des beratenden Augenarztes wird mit der mit MacuSense durchgeführten Analyse verglichen. Es werden keine Auswirkungen auf die klinische Versorgung vorgenommen.